Bovino da latte: come leggere davvero i numeri dei tori senza farsi ipnotizzare dalle classifiche.
C’è un gesto che in stalla conosciamo bene: apri il catalogo (o l’app), scorri e l’occhio si incolla sul numero più alto. È naturale. È anche il modo più rapido per ritrovarti, dodici mesi dopo, a dire con aria secca: “L’ho usato e non ho visto i risultati che speravo”.
E magari quel toro non c’entrava. Magari il problema era a monte: non hai scelto male un toro, hai scelto male la fiducia che gli hai dato.
Perché un indice genetico, un EBV, un “totale economico” non è una sentenza incisa nella pietra: è una stima. E ogni stima ha una domanda gemella, spesso scritta in piccolo vicino al valore: REL, affidabilità. Tre lettere che ti dicono se stai guardando un numero stabile, oppure un numero che potrebbe “aggiustarsi” quando arrivano nuovi dati. REL significa Reliability, cioè affidabilità della stima del valore genetico (EBV o indice). Dice in pratica:
“Quanto posso fidarmi di questo numero?”
Se è 0 pura scommessa, se è 1 praticamente una certezza. REL aumenta quando aumentano/migliorano i dati:
- più figlie con performance registrate
- pedigree più completo/controllato
- dati genomici
- migliori connessioni tra allevamenti/gruppi
A questo punto nasce spesso un dubbio legittimo: “Ma allora tutto il lavoro delle ANA e dei sistemi di valutazione non è così efficiente?”.
No, al contrario la REL è un atto di onestà tecnica. Dice: “Questo è il miglior numero possibile oggi, con i dati che abbiamo. E questa è la sua solidità”. In altre parole, non ti vende una certezza quando non può averla.
Per capirla con un esempio semplice (calcistico, ma utile): pensiamo a due campioni come Messi e Ronaldo. A prescindere dalle simpatie, nessuno li collocherebbe in fondo a una classifica. Però quanto sei sicuro del giudizio dipende da quanta storia hai visto. Quando un talento emerge, intuisci che è “da top”, ma l’incertezza resta; con gli anni, con le stagioni e con le prestazioni ripetute, il giudizio diventa quasi inattaccabile.
Nelle valutazioni genetiche succede qualcosa di simile: un toro giovane può essere collocato vicino alla sua posizione più probabile nel ranking, ma è con i dati delle figlie (e con l’accumulo di informazioni) che quella posizione diventa davvero stabile. Attenzione: non stiamo dicendo che un toro da primo diventerà ultimo. Stiamo dicendo che alcune posizioni possono cambiare, e nelle zone alte della classifica anche pochi “gradini” possono voler dire differenze economiche reali.
La REL non dice “quanto è buono”: dice “quanto è stabile”
Nel bovino da latte la genetica è diventata velocissima. La genomica ha fatto un miracolo pratico: tori giovani con valori già competitivi, decisioni precoci, progresso più rapido. Ma c’è un rovescio della medaglia: più corri, più rischi di scambiare una stima brillante per una certezza.
I valori che vedi nascono da dati (pedigree, performance, confronti tra contemporanei, genomica, e poi, quando ci sono, le figlie). Quando le figlie entrano in gioco (con dati fenotipici), ci avviciniamo sempre più al valore reale. Quando le figlie non ci sono o sono poche, la stima può essere ottima… ma resta più “leggera”, più soggetta a oscillazioni.
E qui la REL è bussola: non ti dice se un toro è “buono” in assoluto (questa è un’altra storia), ma ti dice quanto è robusto ciò che stai leggendo. Detto senza giri, una REL alta non ti garantisce che il toro sia perfetto per la tua azienda, però ti dice che quel numero difficilmente cambierà in modo sostanziale domani. Una REL bassa non significa “toro scarso”, significa “toro ancora in prova”, quindi più rischio e più variabilità attesa.
Un dettaglio spesso sottovalutato: la REL è influenzata anche dalla qualità e completezza dei dati. Se una popolazione o un sistema di registrazione ha controlli funzionali limitati, oppure pedigree meno profondo/meno verificato (ad esempio per bassa copertura di parentela), l’incertezza può aumentare. Non è “colpa del modello”, è il modello che ti dice, con trasparenza, quanto terreno solido ha sotto i piedi.
Un esempio semplice che chiarisce tutto
Immagina due candidati, situazione tipica.
Il Toro A è un giovane genomico: indice totale alto, e magari una linea genetica che mi farebbe scendere la consanguineità o l’indice parziale per qualche carattere interessante per la mia stalla, numeri che fanno venire l’acquolina. Però la REL è, mettiamo, 45%. Il Toro B è un toro provato, stesso indice ma REL 85%. Quale è la differenza? Con REL 45% tu non stai comprando un risultato, stai comprando una probabilità: può andare benissimo, oppure può ridimensionarsi quando arrivano i dati delle figlie. Con REL 85% stai comprando qualcosa di molto affidabile e prevedibile.
E c’è un punto che molti sottovalutano: con REL bassa anche le classifiche sono più instabili. Oggi sei in cima, domani puoi scivolare. Non perché qualcuno “bara”, ma perché la conoscenza cresce e la stima si aggiusta.
Manze e vacche: qui la REL smette di essere teoria
Se c’è un punto dove la REL diventa concreta, è la scelta dei tori sulle manze. Perché sulle manze la priorità non è inseguire la classifica dell’indice totale, la priorità è la facilità al parto. La distocia non è un concetto, è una nottata, una manza che parte male, un vitello perso o compromesso, costi veterinari, e spesso una lattazione che non decolla come dovrebbe.
Ecco perché, nel latte, una regola semplice ma robusta è questa: sulle manze usa tori con facilità di parto buona e affidabilità convincente su quel carattere. Non è “essere conservativi”, è essere professionali. Il giovane genomico super top può essere perfetto, ma se su quel tratto specifico il dato è ancora troppo instabile, stai mettendo il rischio nel punto dove il rischio pesa di più. Sulle vacche adulte, soprattutto quelle robuste e con parti precedenti regolari, il margine è maggiore. È lì che ha senso concentrare una quota “innovazione”, giovani genomici di alto valore, usati con criterio e senza innamorarsi di uno solo.
Caso 1: “Ho tante manze in rimonta, voglio spingere”
Azienda con rimonta importante, molte manze da inseminare nei prossimi mesi. Il tecnico propone un giovane genomico in vetta alla classifica, numeri scintillanti. Il problema è che la REL su facilità di parto è bassa o comunque non rassicurante. Che fare? La scelta sensata è spezzare la decisione: sulle manze vai di tori con facilità di parto solida e affidabile, sulle vacche adulte inserisci il giovane top in quota controllata. Così fai progresso senza pagarlo con distocie. Nel latte, questa è una differenza che si vede nel portafoglio, non nei grafici.
Caso 2: quando l’azienda è “tirata”, la trappola del solo latte
Un altro errore frequente è inseguire latte e componenti come se tutto il resto fosse contorno. Se in azienda hai cellule alte, mastiti ricorrenti, fertilità che non gira e riforma che mangia le migliori, puntare solo su produzione è come accelerare con la spia dell’olio accesa: puoi anche andare più veloce per un po’, poi paghi.
E qui la REL diventa ancora più importante, perché su tratti come fertilità, salute e longevità la stima è spesso più “delicata”: ambiente e gestione pesano tanto, l’ereditarietà è più bassa e la variabilità è più alta. Proprio per questo, se ti serve un aiuto vero su quei caratteri, non puoi basarti su numeri troppo incerti perchè rischi di non vedere nulla e pensare che “la genetica non funzioni”, quando il problema era l’incertezza della stima o una scelta non coerente con l’emergenza aziendale.
Caso 3: “Cellule alte e gravidanze poche, ma il catalogo mi tenta”
Azienda con SCC alta, antibiotici che pesano e un tasso di concepimento che non soddisfa. Spunta un toro che promette tanto latte e componenti, ma su cellule e fertilità i valori non sono granché e, soprattutto, l’affidabilità su quei tratti è bassa o mediocre. In questa situazione, spesso è più intelligente scegliere un toro magari meno da record, ma più coerente con l’urgenza aziendale: migliorativo su cellule, con segni migliori su funzionalità e longevità, e con stime più stabili. Perché alla fine la mandria che resta in piedi produce più latte vendibile di una mandria che si sfalda in riforme e mastiti. Questa non è poesia, è contabilità.
La strategia che funziona: portafoglio genetico, non fede cieca
Il punto d’equilibrio nel bovino da latte è questo: una base stabile e una quota di spinta. I tori provati con REL alta sono la struttura: ti danno prevedibilità, ti permettono di programmare e ti riducono sorprese. I giovani genomici top sono la spinta: se non li usi mai, rischi di rallentare; se li usi senza regole, rischi di trasformare la selezione in una roulette.
La soluzione pratica è un approccio “da portafoglio”: la maggior parte delle dosi su tori affidabili, una quota più piccola su giovani top distribuita su più soggetti (non uno solo) e con attenzione alla parentela. Il progresso genetico deve spingere la mandria in avanti, non stringerla in un imbuto.
La REL è un semaforo, non un romanzo: REL alta = toro “da mandria”; REL media = buon compromesso senza concentrare troppo; REL bassa = toro “da test”, da usare con criterio (e non sulle manze se il punto critico è il parto).
Mini-decision tree: dove mettere rischio e REL
Conclusioni
Quelli riportati sono ovviamente degli esempi riduttivi della realtà ma hanno lo scopo di comunicare come le valutazioni genetiche sono un po’ come degli investimenti finanziari con una certa dose di rischio, e i numeri del catalogo ci aiutano a dosare cautela e rischio a seconda dei casi.
Un indice è una promessa.
La REL è quanto quella promessa regge quando la realtà entra in stalla con gli stivali sporchi: parti, cellule, gravidanze, riforma, costi. Ignorare la REL non è coraggio: è scegliere al buio. Guardarla, invece, non ti rende lento ma permette decisioni piu lucide e a lungo temine.
Bibliografia
- Henderson, C.R. (1975). Best linear unbiased estimation and prediction under a selection model. Biometrics 31(2):423–447.
- Mrode, R.A. (2005; edizioni successive). Linear Models for the Prediction of Animal Breeding Values. CABI.
- Meuwissen, T.H.E., Hayes, B.J., Goddard, M.E. (2001). Prediction of total genetic value using genome-wide dense marker maps. Genetics 157(4):1819–1829. https://doi.org/10.1093/genetics/157.4.1819
- VanRaden, P.M. (2008). Efficient methods to compute genomic predictions. J. Dairy Sci. 91(11):4414–4423. https://doi.org/10.3168/jds.2007-0980
- Misztal, I. et al. (2013). Methods to approximate reliabilities in single-step genomic evaluation. J. Dairy Sci. 96:647–654. https://doi.org/10.3168/jds.2012-5656
- Goddard, M. (2009). Genomic selection: prediction of accuracy and maximisation of long-term response. Genetica 136(2):245–257. https://doi.org/10.1007/s10709-008-9308-0
Leggi anche:
About the Author: Vincenzo Landi
Scopri i Partner di Ruminantia
Da leggere - Gennaio 2025
